Всероссийский научно-исследовательский институт физиологии, биохимии и питания животных – филиал Федерального государственного бюджетного научного учреждения «Федеральный исследовательский центр животноводства – ВИЖ имени академика Л.К. Эрнста»
МЕТОДОЛОГИЯ КВАЛИМЕТРИРОВАНИЯ ГЕМАТОЛОГИЧЕСКИХ И БИОХИМИЧЕСКИХ ПОКАЗАТЕЛЕЙ КРОВИ ЖИВОТНЫХ ДЛЯ СРАВНИТЕЛЬНОЙ ОЦЕНКИ ИХ ФИЗИОЛОГИЧЕСКОГО СТАТУСА
- Номер: 1
- Страницы: 112-131
Журнал: Проблемы биологии продуктивных животных
Аннотация:
Метод оценки состояния организма по биохимическому анализу крови, основанный на сравнении эмпирических и данных о референтных интервалах, используемый в медицине и ветеринарии, совершенно не пригоден для исследований в области физиологии животных. Основной причиной такого вывода является то, что такой подход к рассмотрению биохимического анализа крови позволяет лишь выявлять животных с патологией, но не дает возможности сравнительной оценки состояния организма здоровых животных. С другой стороны, методы статистического анализа результатов биохимических исследований крови позволяют получить сравнительную количественную характеристику только для каждого отдельного параметра. Таким образом, на основании существующих методов достаточно проблематично сделать вывод о совокупной разнице между несколькими наборами биохимических анализов, все параметры которых находятся в пределах допустимых значений нормы. Предлагаемая методология позволяет проводить совместную статистическую обработку всех имеющихся биохимических показателей крови. Методология включает три метода: определение границ ситуативных референтных интервалов биохимических показателей крови; квалиметрическое преобразование данных лабораторного анализа крови полиномом третьей степени в безразмерные единицы, интерпретируемые как вероятность расстройства; расчет энтропии биохимических показателей крови животных. Помимо узкоспециализированной области – сравнительной оценки лабораторных исследований крови, описанная в статье методология позволяет решать целый класс подобных задач, которые в настоящее время не могут быть решены традиционными методами. К таким задачам относится сравнение отдельных животных и их групп по физиологическим показателям пищеварительной, дыхательной, двигательной и нервной систем. Более того, возможно объединение всех этих групп показателей жизнедеятельности животных в единую оценку физиологического статуса организма животного и фиксировать изменения его состояния в единицах информации. Пример обработки реального массива данных биохимических и гематологических показателей крови с использованием разработанных методик расчета демонстрирует выявление ряда достоверных различий не обнаруживаемых при использовании традиционных статистических методов.
Литература:
1. Василевский Н.В. Уточнение референсных интервалов показателей биохимического состава крови у коров с учетом стадий репродуктивного цикла Проблемы биологии продуктивных животных. 2022; 3:83-90. DOI: 10.25687/1996-6733.prodanimbiol.2022.3.83-90
2. Василевский Н.В., Черепанов Г.Г. Применение квалиметрического анализа при оценке и мониторинге физиологического статуса животных. // Проблемы биологии продуктивных животных. 2022; 2:90-98. DOI: 10.25687/1996-6733.prodanimbiol.2022.2.90-98
3. Ермишин А.С., Тимаков А.В. Биохимические показатели адаптации коров разных пород в условиях ярославской области. // Зоотехния и ветеринария. 2015; 4:29-39.
4. Колмогоров А. Н. Интерполирование и экстраполирование стационарных случайных последовательностей, Изв. АН СССР. Сер. матем., 1941, том 5, выпуск 1, 3–14
5. Румянцев П.О., Саенко В.А., Румянцева У.В., Чекин С. Ю. Статистические методы анализа в клинической практике. Часть II. Анализ выживаемости и многомерная статистика. Проблемы эндокринологии. Т55 №6 2009, с.48-56.
6. Цибульский В.Р., Арефьев С.П., Новиков В.П., Соловьев И.Г., Говорков Д.А. Определение индекса биоразнообразия Шеннона растительных сообществ, образованных деревьями-идентификаторами на примере лесов севера Западной Сибири. Вестник НВГУ. 2021; 54(2):32-39.
7. Cozzi G. et al. Short communication: Reference values for blood parameters in Holstein dairy cows: Effects of parity, stage of lactation, and season of production. // J. Dairy Sci. 2011; 94(8):3895–3901. DOI: 10.3168/jds.2010-3687.
8. Dussiau C, Boussaroque A, Gaillard M, Bravetti C, Zaroili L, Knosp C, Friedrich C, Asquier P, Willems L, Quint L, Bouscary D, Fontenay M, Espinasse T, Plesa A, Sujobert P, Gandrillon O, Kosmider O. Hematopoietic differentiation is characterized by a transient peak of entropy at a single-cell level. BMC Biol. 2022 Mar 9;20(1):60. doi: 10.1186/s12915-022-01264-9. PMID: 35260165; PMCID: PMC8905725.
9. Ferré IBS, Corso G, Dos Santos Lima GZ, Lopes SR, Leocadio-Miguel MA, França LGS, de Lima Prado T, Araújo JF. Cycling reduces the entropy of neuronal activity in the human adult cortex. PLoS One. 2024 Oct 2;19(10):e0298703. doi: 10.1371/journal.pone.0298703. PMID: 39356649; PMCID: PMC11446439.
10. Jelinek HF, Alkhodari M, Khandoker AH, Hadjileontiadis LJ. Oscillatory components of bidirectional cardio-respiratory coupling in depression and suicidal ideation: insights from swarm decomposition and entropy analysis. Front Netw Physiol. 2025 Sep 23;5:1620862. doi: 10.3389/fnetp.2025.1620862. PMID: 41064489; PMCID: PMC12500556.
11. Jensen A.L., Houe H., Nielsen C.G. Critical difference of some bovine haematological parameters. // Acta Veter. Scand. 1992; 33(3):211-217.
12. Kafantaris E, Lo TM, Escudero J. Stratified Multivariate Multiscale Dispersion Entropy for Physiological Signal Analysis. IEEE Trans Biomed Eng. 2023 Mar;70(3):1024-1035. doi: 10.1109/TBME.2022.3207582. Epub 2023 Feb 17. PMID: 36121948.
13. Kuczyńska B., Puppel K, Gołębiewski M, Wiśniewski K., Przysucha T. Metabolic profile according to the parity and stage of lactation of high-performance Holstein-Friesian cows // Animal Bioscience. 2021; 34(4):575-583. https://doi.org/10.5713/ajas.20.0018
14. Lau ZJ, Pham T, Chen SHA, Makowski D. Brain entropy, fractal dimensions and predictability: A review of complexity measures for EEG in healthy and neuropsychiatric populations. Eur J Neurosci. 2022 Oct;56(7):5047-5069. doi: 10.1111/ejn.15800. Epub 2022 Sep 2. PMID: 35985344; PMCID: PMC9826422.
15. Moore F. Interpreting serum chemistry profiles in dairy cows. // Veter. Med. 1997; 92:903-912.
16. Pham T, Lau ZJ, Chen SHA, Makowski D. Heart Rate Variability in Psychology: A Review of HRV Indices and an Analysis Tutorial. Sensors (Basel). 2021 Jun 9;21(12):3998. doi: 10.3390/s21123998. PMID: 34207927; PMCID: PMC8230044.
17. Premi M., et al. Changes of Plasma Analytes Reflecting Metabolic Adaptation to the Different Stages of the Lactation Cycle in Healthy Multiparous Holstein Dairy Cows Raised in High-Welfare Conditions. Animals (Basel).2021 Jun; 11(6): 1714. doi: 10.3390/ani11061714
18. Rutowicz K, Lüthi J, de Groot R, Holtackers R, Yakimovich Y, Pazmiño DM, Gandrillon O, Pelkmans L, Baroux C. Multiscale chromatin dynamics and high entropy in plant iPSC ancestors. J Cell Sci. 2024 Oct 15;137(20):jcs261703. doi: 10.1242/jcs.261703. Epub 2024 Jun 24. PMID: 38738286; PMCID: PMC11234377.
19. Tierarztl F.M., Ausg P., NutztiereG.G.. Development and basics of metabolic monitoring in dairy cows. Focus on research in Eastern Germany and at the University of Leipzig. 2016; 44(2):107-17. DOI:10.15653/TPG-151045.
20. Wolfson EJ, Fekete T, Loewenstein Y, Shriki O. Multi-scale entropy assessment of magnetoencephalography signals in schizophrenia. Sci Rep. 2024 Jun 25;14(1):14680. doi: 10.1038/s41598-024-64704-2. PMID: 38918430; PMCID: PMC11199523.